=====================================================================
numpy.stack(arrays, axis=0)
:沿着新轴连接数组的序列。
一系列的stack
函数有:stack(),hstack(),vstack()
还有属性例如:concatenate
numpy.concatenate((a1,a2,…), axis=0)
函数,能够一次完成多个数组的拼接。其中a1,a2,…是数组类型的参数
arr1=[‘穿过寒冬拥抱你’,‘反贪风暴5:最终章’,‘李茂扮太子’,‘误杀2’]
arr2=[‘以年为单位的恋爱’,‘爱情神话’,‘黑客帝国:矩阵重启’,‘雄狮少年’]
np.concatenate([arr1,arr2])
注意,两个list合并的时候需要用到 [ ]
,否则出错。
axis
参数指定新轴在结果尺寸中的索引。例如,如果axis=0,它将是第一个维度,如果axis=-1,它将是最后一个维度。
默认情况下axis=0
arr1=np.arange(1,25.0).reshape(4,6)
arr2=np.arange(26,50.0).reshape(4,6)
np.concatenate([arr1,arr2],axis=1)
np.concatenate([arr1,arr2],axis=0)
如上图所示,axis=1
是将不同的列串联起来,axis=0
则类似于append,是合并。
将arr1与arr2进行对调:
函数原型:vstack(tup)
,参数tup
可以是元组,列表,或者numpy
数组,返回结果为numpy的数组。它是垂直(按照行顺序)的把数组给堆叠起来。
vstack 和concatenate( ),axis=0等价
dstack
是deep stack,即在深度方向进行合并。
dstack可以将一维数组变成三维数组。
import numpy as np
vstack
np.vstack([arr1,arr2])
#结果:
array([[ 1., 2., 3., 4., 5., 6.],
[ 7., 8., 9., 10., 11., 12.],
[13., 14., 15., 16., 17., 18.],
[19., 20., 21., 22., 23., 24.],
[26., 27., 28., 29., 30., 31.],
[32., 33., 34., 35., 36., 37.],
[38., 39., 40., 41., 42., 43.],
[44., 45., 46., 47., 48., 49.]])
dstack
np.dstack([arr1,arr2])
结果:
array([[[ 1., 26.],
[ 2., 27.],
[ 3., 28.],
[ 4., 29.],
[ 5., 30.],
[ 6., 31.]],
[[ 7., 32.],
[ 8., 33.],
[ 9., 34.],
[10., 35.],
[11., 36.],
[12., 37.]],
[[13., 38.],
[14., 39.],
[15., 40.],
[16., 41.],
[17., 42.],
[18., 43.]],
[[19., 44.],
[20., 45.],
[21., 46.],
[22., 47.],
[23., 48.],
[24., 49.]]])
函数原型:hstack(tup)
,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组,水平(按列顺序)把数组给堆叠起来,vstack()函数正好和它相反。
np.r_[arr1,arr2] ,实际上是vstack 与 axis=0 做了一个合并(concatenate)。
np.c_[arr1,arr2] , hstack 与 axis=1 做了一个合并(concatenate)。
print(np.r_[-2:2:1,[0]*3,5,6])
上面那段代码由三部分组成,-2:2:1表示从-2~2的数字,间隔为1,并且2没有,然后是3个0,接下来是5和6
print((np.r_[‘r’,-2:2:1,[0]*3,5,6])) #二维数组,以行的方式呈现
print((np.r_[‘c’,-2:2:1,[0]*3,5,6])) #二维数组,以列的方式呈现
默认是为r,表示沿着行的方向创建,c则表示以列的方式创建。
注:shape
表示矩阵的维度大小。
也可以用'a,b,c'
来进行表示,a
代表轴,沿着轴a来进行合并,代表合并后数组维度至少是b
,c
是代表在第c维度上做维度提升
print(np.r_[‘0,2,0’,[1,2,3],[4,5,6]],‘\n’)
print(np.r_[‘0,2,1’,[1,2,3],[4,5,6]],‘\n’)
print(np.r_[‘1,2,0’,[1,2,3],[4,5,6]],‘\n’)
print(np.r_[‘1,2,1’,[1,2,3],[4,5,6]])
b:合并后数组的维度
a=0,沿着轴0合并。(3,)–>(1,3)
a=1,沿着轴1合并。(3,1)–>(3,2)
c=0,在轴0上上升一维,(3,)–>(3,1)
c=1,在轴1上上升一维,(3,)–>(1,3)
=====================================================================
split 具体有 split() , hsplit() , vsplit()
arr1=np.arange(1,13.0).reshape(2,6)
arr2=np.arange(14,26.0).reshape(2,6)
arr=np.concatenate([arr1,arr2])
arr3=np.split(arr,2) # 默认情况下是 axis=0
由上图可知,split分割成为二维数组
arr4=np.split(arr,3,axis=1)
print(arr4[0].shape)
arr4
arr5=np.split(arr,4,axis=0)
arr6=np.split(arr,[1,2,3],axis=0)
上述代码块的两行表示是相同的,第二行相当于使用数组的切片方式进行处理。
-
vsplit
垂直(按行)将阵列拆分为多个子阵列。 -
hsplit
水平(按列)将阵列拆分为多个子阵列。
这部分希望大家看下图体会~
arrv=np.vsplit(arr,[1,2,3,4])
arrh=np.hsplit(arr,[1,2,3,4,5])
======================================================================
repeat()
: 复制数组中的每个指定元素。
一维数组:用整数型和列表型参考来控制元素被复制的个数
多维数组:用整数型和列表型来控制元素被复制的个数
import numpy as np
arr=np.arange(3)
print(arr.shape)
print(arr.repeat(3)) # 每个元素复制三次
print(arr)
print(arr.repeat([1,2,3]))
第一个没有复制,第二个复制了两个,,依次类推
当列表的元素少于数组元素,或者多余数组元素,都会报错,就如下图所示。
上面是一维数组的,接下来再看看二维数组中利用标量参数和轴参数:
print(arr.repeat(2)) # 此时二维数组变成一维的了
print(arr.repeat(2,1))
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算
伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
[外链图片转存中…(img-VP7XL5pn-1712243892528)]
一个人可以走的很快,但一群人才能走的更远。如果你从事以下工作或对以下感兴趣,欢迎戳这里加入程序员的圈子,让我们一起学习成长!
AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算